大家好我是Tony Bai。在这个技术大爆炸的时代我见过了太多极其“勤奋”的程序员他们会在各大技术平台上收藏几百篇诸如《Go语言进阶课》、《AI原生开发工作流实战》... ...的专栏文章硬盘里塞满了从各种渠道搞来的“AI大模型实战课”视频。他们熬夜看教程、做笔记甚至在通勤的地铁上都在听技术播客或专栏课程。但如果你在半年后去问他“你用 Go 写过什么高并发系统吗”或者“你开发过什么 AI Agent 吗”他大概率会尴尬地挠挠头“还没教程太长了还没看完或者看了感觉太难平时工作里也用不到……”为什么看了 100 小时的教程你依然写不好代码为什么收藏了无数的技术干货你的核心竞争力却依然在原地踏步这其实是整个技术圈最普遍、也最隐蔽的陷阱用“战术上的勤奋”掩盖了“战略上的懒惰”。今天我想跨界借用知名认知作家周岭在《认知觉醒》一书中的核心理论彻底撕开这层“假性努力”的面纱带你重新构建一张属于技术人的“动态雷达图”教你如何真正走出舒适区在这个 AI 狂飙的时代完成硬核的自我进化。舒适区与困难区的两极震荡为什么你总是半途而废在《认知觉醒》中周岭提出了一个极其精准的人类能力分布模型“舒适区—拉伸区—困难区”。这三个同心圆完美地映射了我们程序员的日常状态舒适区最内层在这个区域里事情对你来说轻车熟路闭着眼睛都能敲出代码。比如写一个简单的 CRUD 接口、配置一下 Nginx、复制粘贴一段以前写过的表单验证逻辑。但问题就在于人类的天性是“避难趋易”的。长年停留在舒适区虽然毫无压力但会让你陷入“无聊而走神”的状态最终导致技术能力的彻底停滞。在这个区域里你不是在拥有 10 年经验你只是把 1 年的经验用了 10 年。困难区最外层这个区域里的任务远远超出了你当前的能力边界。比如你连 Python 都没写熟就发誓要在一周内从零手搓一个 Transformer 模型或者你刚学完 Go 基础语法就想去给 Kubernetes 的底层调度器提核心 PR。人类的另一个天性是“急于求成总想一口吃成个胖子”。贸然跨入困难区你会遇到无数个令人绝望的 Error 报错巨大的挫败感会瞬间击溃你的自信心让你产生“我可能不适合干这个”的错觉最终因畏惧而逃避。绝大多数技术人的悲剧在于他们终日在这两极之间做着无效的“钟摆运动”。平时在公司里做着无聊的 CRUD舒适区下班后突然焦虑爆发立下宏愿要去啃最硬核的底层源码困难区被虐得体无完肤后心灰意冷地退回到继续写 CRUD舒适区。真正的成长密码寻找你的“拉伸区”边缘努力法则那么破局之道在哪里答案就藏在舒适区和困难区中间的那个极其狭窄、却又蕴含着巨大能量的环带——拉伸区舒适区边缘。在拉伸区里任务具有一定的挑战性你无法靠肌肉记忆直接完成但只要你稍微踮起脚尖查一查资料努努力就能触碰到。这里既有未知的挑战又有可达成的成就感。只有在这个区域你才能进入所谓的“心流Flow”状态获得最快的进步。但这还不够。为了指导我们如何在拉伸区行动《认知觉醒》中提出了一个更为深刻的“成长微观规律”它揭示了学习、思考、行动和改变之间的权重关系改变量 行动量 思考量 学习量这简直是为程序员量身定制的“照妖镜”让我们来对照一下学习量权重最低买了一门极客时间的专栏看完了 10 个视频。这叫输入你只是把别人的知识存进了大脑的短期记忆里。思考量看完视频后你开始琢磨“哦原来 Go 的 Channel 底层是一个带锁的环形队列怪不得会阻塞。”你不仅看了还理解了。行动量你打开 IDE凭着记忆和文档自己手敲了一段用 Channel 实现的生产者-消费者模型代码并成功跑通了。改变量权重最高你发现自己手敲的这个并发模型正好可以用来优化你们公司那个极其缓慢的“每日数据导出”报表脚本。你把它重构并部署上线了报表导出速度提升了 5 倍如果你不盯住内层的“改变量”和“行动量”那么你在表层投入再多的“学习量”也只会事倍功半。无数人陷入“教程地狱Tutorial Hell”的原因就是他们只停留在了“学习量”的层面从未产生过“改变量”。实战推演如何利用“拉伸区”构建你的技术雷达图有了宏观的规律支撑我们该如何将它落地到日常的技术精进中优秀的程序员脑海中都有一张自己的“动态技术雷达图”。这张图不是静止的而是通过在各个技能维度的“拉伸区”不断向外扩张最终形成一个巨大的“成长环”。接下来我将以个人比较熟悉也是当前较为受欢迎的两个技能领域——Go 语言高并发开发与AI Agent 原生开发为例和大家聊聊如何设计自己的拉伸区项目完成从“学习”到“改变”的闭环。案例一Go 语言开发者的拉伸区跃迁现状诊断舒适区你已经通过《Go语言第一课》掌握了 Go 的基础语法能熟练使用 Gin 框架写 HTTP 接口能用 GORM 对 MySQL 进行增删改查。每天的工作就是对着产品需求堆代码。如果继续这样三年后你依然是一个高级的“CRUD 工程师”。急于求成困难区-千万别去发誓要用 Go 写一个分布式的关系型数据库或者直接去扒 Go 语言runtime包里垃圾回收器GC的三色标记法 Go/汇编源码。你会在无尽的底层细节中崩溃。精心设计的“拉伸区项目”构建一个高并发的压测小工具不要去背八股文了给自己设定一个能触及“改变量”的拉伸区实战项目用 Go 实现一个类似ab(Apache Bench) 的高并发压测工具。步骤 1思考量为什么原来的单线程脚本发请求那么慢Go 的 Goroutine 如何做到极轻量级的并发步骤 2行动量 - 踏入拉伸区拉伸点 1不用任何第三方库仅用标准库net/http发起请求。拉伸点 2使用sync.WaitGroup来控制并发的启动和等待。拉伸点 3引入Channel。当并发量达到 10 万时无脑go func()会导致系统资源枯竭。你必须学习使用带缓冲的 Channel 来实现一个协程池Worker Pool限制最大并发数。拉伸点 4引入sync.Mutex或atomic包来安全地统计成功请求数、失败数、平均延迟等数据。步骤 3改变量 - 形成闭环工具写完了。你把它编译成二进制文件扔给测试团队告诉他们“以后压测咱们自己的接口就用我写的这个工具不需要装乱七八糟的依赖了。”这个项目完美地避开了极其枯燥的底层源码困难区又跳出了无脑的框架调用舒适区。在这个拉伸区里你被迫真实地操作了 Goroutine、Channel、锁和原子操作你的雷达图在“并发编程”这个维度上成功向外扩张了一大圈。案例二向 AI 原生开发者进化的拉伸区现状诊断舒适区你每天都在用 Copilot 或 Claude Code帮你写代码、润色邮件。你买了几十块钱的 API用 Python 写了一个脚本把用户的输入传给 API然后把结果打印出来。你觉得自己“懂 AI 开发了”。急于求成困难区-千万别去去啃 PyTorch 底层逻辑买几块 4090 显卡试图自己微调Fine-tune一个千亿参数的大模型或者试图手搓一个全知全能的超级 AGI。精心设计的“拉伸区项目”开发一个带“工具调用Function Calling”的本地私有知识库助手从“AI 使用者”到“AI 架构师”的跨越不在于你能记住多少 Prompt 魔法而在于你是否懂得如何将 AI 与外部物理世界连接起来。步骤 1思考量大模型是没有记忆的也没有最新数据。如何让大模型能读取我电脑里今天刚生成的日志文件步骤 2行动量 - 踏入拉伸区拉伸点 1告别单轮对话。学习使用 LLM 的 API 维护一段连续的记忆上下文Context Management。拉伸点 2攻克 Function Calling核心拉伸。仔细研读 OpenAI 或 Anthropic 的官方文档用代码定义一个工具比如search_local_file函数。这要求你将大模型的自然语言输出精确地转换为本地函数的结构化参数输入。拉伸点 3拥抱最新协议。如果你有野心可以去挑战去年爆火的 MCPModel Context Protocol协议编写一个属于你自己的 MCP Server让流行的 Agent 工具如 Cursor 或 Claude Desktop能够安全地访问你的本地数据库。步骤 3改变量 - 形成闭环你不再在网页端复制粘贴代码了。你用 Go 或 Python 跑起了一个常驻终端的服务。当你问它“昨天生产环境的报错主要集中在哪里”时你的 Agent 自动调用了本地 grep 命令分析了日志并给你输出了一份完美的摘要。你的工作效率得到了实质性的改变这个项目没有要求你去懂深奥的神经网络微积分困难区但它逼着你掌握了 AI 原生开发中最核心的“Agent 工具编排”能力。在这个拉伸区里你从一个“提示词念稿人”正式蜕变为了一名“AI 指挥官”。小结复利曲线与舒适区边缘的完美交响回过头来看看那些真正牛逼的顶级技术专家难道他们天生就拥有超凡的智商吗绝大多数情况下并不是。他们的秘密武器仅仅是日复一日地在“舒适区的边缘”进行着微小但坚实的努力。每一次在拉伸区里解决掉一个陌生的 Bug每一次将一个跑在命令行的脚本优化成一个稳定的后台服务每一次将你的所学变成真正提高团队效率的工具改变量都是在你的技术雷达图上刻下的一道深深的成长环。不要再去囤积那些你永远不会看的几十个 G 的视频教程了。关掉网页打开你的 IDE。找出你日常开发中最让你感到繁琐的一件小事稍微踮起脚尖用你刚学的一点点新知识去干掉它。去拥抱你的“拉伸区”吧。因为只有在那里你才能真正体会到作为一名工程师掌控系统、改变世界的顶级快感。 今日互动探讨看完这篇文章你觉得你目前的日常工作有百分之多少是在“舒适区”如果你要在今年规划一个自己的“拉伸区”硬核项目你会选择做什么欢迎在评论区分享你的反思与计划如果本文对你有所帮助请帮忙点赞、推荐和转发点击下面标题干货- 认知负荷对编程语言选择和学习的影响- 在 AI 时代主动“找虐”为什么保留“认知摩擦”是你最后的护城河- 告别单打独斗Claude Code 全新“Agent Team”模式当 AI 开始组队干活- 为什么你必须把 Agent Skills 开发变成严谨的软件工程?- 都在用 OpenClaw 跑 Skill但你写的“技能”为什么总让 AI 频繁罢工- AI 时代的初级工程师生存指南别让“万能”的AI工具毁掉你最宝贵的成长期- 致敬程序员成长路上的良师与经典著作 还在为“复制粘贴喂AI”而烦恼我的新极客时间专栏《AI原生开发工作流实战》将带你告别低效重塑开发范式驾驭AI Agent(Claude Code)实现工作流自动化从“AI使用者”进化为规范驱动开发的“工作流指挥家”扫描下方二维码开启你的AI原生开发之旅。
看了 100 小时教程，你为什么依然写不好代码？扒开技术人的“成长环”真相
发布时间：2026/7/13 16:37:37
大家好我是Tony Bai。在这个技术大爆炸的时代我见过了太多极其“勤奋”的程序员他们会在各大技术平台上收藏几百篇诸如《Go语言进阶课》、《AI原生开发工作流实战》... ...的专栏文章硬盘里塞满了从各种渠道搞来的“AI大模型实战课”视频。他们熬夜看教程、做笔记甚至在通勤的地铁上都在听技术播客或专栏课程。但如果你在半年后去问他“你用 Go 写过什么高并发系统吗”或者“你开发过什么 AI Agent 吗”他大概率会尴尬地挠挠头“还没教程太长了还没看完或者看了感觉太难平时工作里也用不到……”为什么看了 100 小时的教程你依然写不好代码为什么收藏了无数的技术干货你的核心竞争力却依然在原地踏步这其实是整个技术圈最普遍、也最隐蔽的陷阱用“战术上的勤奋”掩盖了“战略上的懒惰”。今天我想跨界借用知名认知作家周岭在《认知觉醒》一书中的核心理论彻底撕开这层“假性努力”的面纱带你重新构建一张属于技术人的“动态雷达图”教你如何真正走出舒适区在这个 AI 狂飙的时代完成硬核的自我进化。舒适区与困难区的两极震荡为什么你总是半途而废在《认知觉醒》中周岭提出了一个极其精准的人类能力分布模型“舒适区—拉伸区—困难区”。这三个同心圆完美地映射了我们程序员的日常状态舒适区最内层在这个区域里事情对你来说轻车熟路闭着眼睛都能敲出代码。比如写一个简单的 CRUD 接口、配置一下 Nginx、复制粘贴一段以前写过的表单验证逻辑。但问题就在于人类的天性是“避难趋易”的。长年停留在舒适区虽然毫无压力但会让你陷入“无聊而走神”的状态最终导致技术能力的彻底停滞。在这个区域里你不是在拥有 10 年经验你只是把 1 年的经验用了 10 年。困难区最外层这个区域里的任务远远超出了你当前的能力边界。比如你连 Python 都没写熟就发誓要在一周内从零手搓一个 Transformer 模型或者你刚学完 Go 基础语法就想去给 Kubernetes 的底层调度器提核心 PR。人类的另一个天性是“急于求成总想一口吃成个胖子”。贸然跨入困难区你会遇到无数个令人绝望的 Error 报错巨大的挫败感会瞬间击溃你的自信心让你产生“我可能不适合干这个”的错觉最终因畏惧而逃避。绝大多数技术人的悲剧在于他们终日在这两极之间做着无效的“钟摆运动”。平时在公司里做着无聊的 CRUD舒适区下班后突然焦虑爆发立下宏愿要去啃最硬核的底层源码困难区被虐得体无完肤后心灰意冷地退回到继续写 CRUD舒适区。真正的成长密码寻找你的“拉伸区”边缘努力法则那么破局之道在哪里答案就藏在舒适区和困难区中间的那个极其狭窄、却又蕴含着巨大能量的环带——拉伸区舒适区边缘。在拉伸区里任务具有一定的挑战性你无法靠肌肉记忆直接完成但只要你稍微踮起脚尖查一查资料努努力就能触碰到。这里既有未知的挑战又有可达成的成就感。只有在这个区域你才能进入所谓的“心流Flow”状态获得最快的进步。但这还不够。为了指导我们如何在拉伸区行动《认知觉醒》中提出了一个更为深刻的“成长微观规律”它揭示了学习、思考、行动和改变之间的权重关系改变量 行动量 思考量 学习量这简直是为程序员量身定制的“照妖镜”让我们来对照一下学习量权重最低买了一门极客时间的专栏看完了 10 个视频。这叫输入你只是把别人的知识存进了大脑的短期记忆里。思考量看完视频后你开始琢磨“哦原来 Go 的 Channel 底层是一个带锁的环形队列怪不得会阻塞。”你不仅看了还理解了。行动量你打开 IDE凭着记忆和文档自己手敲了一段用 Channel 实现的生产者-消费者模型代码并成功跑通了。改变量权重最高你发现自己手敲的这个并发模型正好可以用来优化你们公司那个极其缓慢的“每日数据导出”报表脚本。你把它重构并部署上线了报表导出速度提升了 5 倍如果你不盯住内层的“改变量”和“行动量”那么你在表层投入再多的“学习量”也只会事倍功半。无数人陷入“教程地狱Tutorial Hell”的原因就是他们只停留在了“学习量”的层面从未产生过“改变量”。实战推演如何利用“拉伸区”构建你的技术雷达图有了宏观的规律支撑我们该如何将它落地到日常的技术精进中优秀的程序员脑海中都有一张自己的“动态技术雷达图”。这张图不是静止的而是通过在各个技能维度的“拉伸区”不断向外扩张最终形成一个巨大的“成长环”。接下来我将以个人比较熟悉也是当前较为受欢迎的两个技能领域——Go 语言高并发开发与AI Agent 原生开发为例和大家聊聊如何设计自己的拉伸区项目完成从“学习”到“改变”的闭环。案例一Go 语言开发者的拉伸区跃迁现状诊断舒适区你已经通过《Go语言第一课》掌握了 Go 的基础语法能熟练使用 Gin 框架写 HTTP 接口能用 GORM 对 MySQL 进行增删改查。每天的工作就是对着产品需求堆代码。如果继续这样三年后你依然是一个高级的“CRUD 工程师”。急于求成困难区-千万别去发誓要用 Go 写一个分布式的关系型数据库或者直接去扒 Go 语言runtime包里垃圾回收器GC的三色标记法 Go/汇编源码。你会在无尽的底层细节中崩溃。精心设计的“拉伸区项目”构建一个高并发的压测小工具不要去背八股文了给自己设定一个能触及“改变量”的拉伸区实战项目用 Go 实现一个类似ab(Apache Bench) 的高并发压测工具。步骤 1思考量为什么原来的单线程脚本发请求那么慢Go 的 Goroutine 如何做到极轻量级的并发步骤 2行动量 - 踏入拉伸区拉伸点 1不用任何第三方库仅用标准库net/http发起请求。拉伸点 2使用sync.WaitGroup来控制并发的启动和等待。拉伸点 3引入Channel。当并发量达到 10 万时无脑go func()会导致系统资源枯竭。你必须学习使用带缓冲的 Channel 来实现一个协程池Worker Pool限制最大并发数。拉伸点 4引入sync.Mutex或atomic包来安全地统计成功请求数、失败数、平均延迟等数据。步骤 3改变量 - 形成闭环工具写完了。你把它编译成二进制文件扔给测试团队告诉他们“以后压测咱们自己的接口就用我写的这个工具不需要装乱七八糟的依赖了。”这个项目完美地避开了极其枯燥的底层源码困难区又跳出了无脑的框架调用舒适区。在这个拉伸区里你被迫真实地操作了 Goroutine、Channel、锁和原子操作你的雷达图在“并发编程”这个维度上成功向外扩张了一大圈。案例二向 AI 原生开发者进化的拉伸区现状诊断舒适区你每天都在用 Copilot 或 Claude Code帮你写代码、润色邮件。你买了几十块钱的 API用 Python 写了一个脚本把用户的输入传给 API然后把结果打印出来。你觉得自己“懂 AI 开发了”。急于求成困难区-千万别去去啃 PyTorch 底层逻辑买几块 4090 显卡试图自己微调Fine-tune一个千亿参数的大模型或者试图手搓一个全知全能的超级 AGI。精心设计的“拉伸区项目”开发一个带“工具调用Function Calling”的本地私有知识库助手从“AI 使用者”到“AI 架构师”的跨越不在于你能记住多少 Prompt 魔法而在于你是否懂得如何将 AI 与外部物理世界连接起来。步骤 1思考量大模型是没有记忆的也没有最新数据。如何让大模型能读取我电脑里今天刚生成的日志文件步骤 2行动量 - 踏入拉伸区拉伸点 1告别单轮对话。学习使用 LLM 的 API 维护一段连续的记忆上下文Context Management。拉伸点 2攻克 Function Calling核心拉伸。仔细研读 OpenAI 或 Anthropic 的官方文档用代码定义一个工具比如search_local_file函数。这要求你将大模型的自然语言输出精确地转换为本地函数的结构化参数输入。拉伸点 3拥抱最新协议。如果你有野心可以去挑战去年爆火的 MCPModel Context Protocol协议编写一个属于你自己的 MCP Server让流行的 Agent 工具如 Cursor 或 Claude Desktop能够安全地访问你的本地数据库。步骤 3改变量 - 形成闭环你不再在网页端复制粘贴代码了。你用 Go 或 Python 跑起了一个常驻终端的服务。当你问它“昨天生产环境的报错主要集中在哪里”时你的 Agent 自动调用了本地 grep 命令分析了日志并给你输出了一份完美的摘要。你的工作效率得到了实质性的改变这个项目没有要求你去懂深奥的神经网络微积分困难区但它逼着你掌握了 AI 原生开发中最核心的“Agent 工具编排”能力。在这个拉伸区里你从一个“提示词念稿人”正式蜕变为了一名“AI 指挥官”。小结复利曲线与舒适区边缘的完美交响回过头来看看那些真正牛逼的顶级技术专家难道他们天生就拥有超凡的智商吗绝大多数情况下并不是。他们的秘密武器仅仅是日复一日地在“舒适区的边缘”进行着微小但坚实的努力。每一次在拉伸区里解决掉一个陌生的 Bug每一次将一个跑在命令行的脚本优化成一个稳定的后台服务每一次将你的所学变成真正提高团队效率的工具改变量都是在你的技术雷达图上刻下的一道深深的成长环。不要再去囤积那些你永远不会看的几十个 G 的视频教程了。关掉网页打开你的 IDE。找出你日常开发中最让你感到繁琐的一件小事稍微踮起脚尖用你刚学的一点点新知识去干掉它。去拥抱你的“拉伸区”吧。因为只有在那里你才能真正体会到作为一名工程师掌控系统、改变世界的顶级快感。 今日互动探讨看完这篇文章你觉得你目前的日常工作有百分之多少是在“舒适区”如果你要在今年规划一个自己的“拉伸区”硬核项目你会选择做什么欢迎在评论区分享你的反思与计划如果本文对你有所帮助请帮忙点赞、推荐和转发点击下面标题干货- 认知负荷对编程语言选择和学习的影响- 在 AI 时代主动“找虐”为什么保留“认知摩擦”是你最后的护城河- 告别单打独斗Claude Code 全新“Agent Team”模式当 AI 开始组队干活- 为什么你必须把 Agent Skills 开发变成严谨的软件工程?- 都在用 OpenClaw 跑 Skill但你写的“技能”为什么总让 AI 频繁罢工- AI 时代的初级工程师生存指南别让“万能”的AI工具毁掉你最宝贵的成长期- 致敬程序员成长路上的良师与经典著作 还在为“复制粘贴喂AI”而烦恼我的新极客时间专栏《AI原生开发工作流实战》将带你告别低效重塑开发范式驾驭AI Agent(Claude Code)实现工作流自动化从“AI使用者”进化为规范驱动开发的“工作流指挥家”扫描下方二维码开启你的AI原生开发之旅。
)
